verl-project/verl

SGLang引擎支持在线策略蒸馏教师推理

建议精读此PR，尤其关注`_extract_prompt_logprobs_sglang`函数的设计——它清晰地展示了如何将SGLang的logprob输出格式对齐vLLM接口，是引擎适配的典范。值得关注的设计决策：采用硬断言而非防御性填充，在测试充分的前提下可保证数据质量，但生产环境中风险较高。建议后续添加单元测试覆盖异常情况。

修复Megatron模型在参数卸载时保存与恢复的存储空值处理逻辑。

该PR值得精读，因为它揭示了Megatron模型在参数卸载场景下的状态管理细节。关注点包括： - 理解`param_data.data`与`cpu_data`的双重存储机制设计。 - 思考为何reviewer的健壮性建议未被采纳，是否隐含了项目内的约定或已知约束。 - 作为学习案例，可探讨在快速修复与代码健壮性之间的权衡。

更新Ascend NPU Docker构建流水线，增加v0.7.1版本支持

作为纯CI配置变更，建议快速审阅并合并。无需深入代码设计，但值得关注的是其复制+调整的模式，未来版本化构建可参考此模板。

删除FSDP与vLLM集成的SPMD测试脚本，清理测试目录。

此PR变更简单，无需精读。值得关注的点是团队在清理测试文件时的决策，反映了对仓库结构的维护。建议工程师了解该脚本的删除原因，以防未来需要类似集成示例。

更新 NPU Docker 构建流水线与环境变量配置

本 PR 适合 CI/DevOps 维护者精读，尤其是多架构 Docker 构建模式的实现。代码变更安全，但建议后续跟进解决 review 中提出的冗余行问题。其余开发者可略过。

验证集 dump 加入 uid 字段并按 uid 排序

值得合并。作为数据可追溯性的必要修复，与训练路径保持行为一致。建议后续补充单元测试。

新增基于CANN 8.5.2 A2的Qwen3.5 Docker镜像构建文件，支持多架构CI/CD流水线。

该PR主要涉及基础设施，对核心算法或训练逻辑无直接影响，适合负责部署或NPU平台的工程师精读。重点关注Dockerfile中的安全警告（证书验证）和环境变量持久化问题，这些是镜像可靠性的关键。设计上展示了多架构镜像构建的CI/CD模式，值得借鉴。

修复完全异步rollouter在部分rollout恢复时因drain loop阻塞导致无法及时分发新样本的问题。

该PR值得精读，特别是`_processor_worker`方法中的drain循环重写展示了如何优雅处理异步任务管理和中断信号。关注点包括：1) asyncio.Event与Condition的选择权衡；2) 部分rollout启用/禁用时的不同处理策略；3) 锁粒度优化以避免性能瓶颈。